低能耗柔性作业车间调度研究

针对柔性作业车间低能耗调度问题,对机床运行模式下能源消耗特点和完工时间进行了研究。建立了以能源消耗和完工时间为目标函数的多目标优化模型;结合该模型特点,采用目标加权法,得到了能源消耗和完工时间两个变量加权求和的最小值;针对遗传算法单一染色体在解决较复杂问题时,无法准确表达问题解的缺点,设计了多层编码策略,对柔性作业车间制造过程中工件加工顺序和机床选择进行了优化,实现了面向能耗优化的多目标柔性作业车间调度;在Matlab环境中对生产实例进行了仿真。实验结果表明:在加入低能耗要求的车间调度中,基于改进遗传算法的调度策略是可行和有效的,决策者可根据偏好在一系列可行解中进行选择,以提高解的合理性、科学性。     

基于动态事件的柔性作业车间重调度节能优化

为了解决机械加工过程中出现紧急任务插单或机床故障等动态事件干扰调度方案执行,导致原调度方案能耗增高、完工时间延长等问题,研究了一种考虑紧急插单和机床故障动态事件的柔性作业车间重调度节能优化方法。首先分析了动态事件下柔性作业车间的工件加工过程能耗特性,然后以总能耗最低、完工时间和鲁棒性最小为优化目标建立了面向节能的动态重调度优化模型,并提出基于多目标引力搜索算法的重调度节能优化求解方法,最后通过案例对比分析,验证了所提方法的有效性。     

柔性作业车间机床与搬运机器人联合调度方法

针对当前柔性作业车间机床和搬运机器人单独调度存在的不匹配问题,以车间完工时间为目标,提出基于多代竞争强进化遗传算法的机床与机器人联合调度方法。对多工件、多工序、多机床、多机器人的柔性作业车间联合调度问题进行了描述;考虑了机床生产和机器人搬运的时序约束,建立了最小化车间完工时间的优化模型;使用工序链、机床链及机器人链缠绕的染色体编码方式,将联合调度问题转化为算法优化问题;在遗传算法中引入多代竞争机理和强进化算子,其中多代竞争机理增加了优秀染色体的遗传概率,强进化算子具有保留优秀基因片段和强制差基因进化的能力。经生产实验验证,在15个工件44道工序的调度中,该算法的车间完工时间比标准遗传算法缩短了14.75%;另外,在不同规模的工件生产调度中,与克隆选择算法和标准遗传算法相比,该算法的迭代次数最少、车间完工时间最短。上述实验结果充分证明了多代竞争强进化遗传算法在柔性作业车间生产联合调度中的优越性。     

多目标离散灰狼优化算法求解作业车间节能调度问题

针对作业车间节能调度问题,建立了一种以优化总能耗和工件最大完工时间为目标的节能调度模型,并提出一种多目标离散灰狼优化算法进行求解.根据问题的特点,首先采用离散整数编码方式,利用调度规则生成初始种群;其次引入一种基于跟踪模式和搜寻模式的双模式并行搜索方法,并在搜索过程中动态调整两种模式下个体的数目,以协调算法全局和局部搜索能力;为了使算法适用于多目标离散调度问题,在跟踪模式下提出一种基于交叉操作的离散个体更新方法,在搜寻模式下提出一种基于记忆池机制和邻域结构的离散个体更新方法.对40个作业车间调度问题基准算例进行改造,并验证了所提算法的有效性.     

分时电价下基于NSGA-Ⅱ的柔性作业车间绿色调度

通过规划绿色生产调度实现了时间、经济和能耗三者的协同优化。以柔性作业车间为背景,结合分时电价政策,构建了设备不同工作状态下的设备能耗成本计算模型;同时兼顾碳排放与订单交付等绿色生产车间管理要求,建立了包括最小化碳排放、能耗成本和最大完工时间在内的柔性作业车间绿色调度多目标优化模型;为避免算法过早陷入“早熟”并保持种群多样性,采用基于动态控制参数和改进精英保留策略的快速非支配排序遗传算法(NSGA-Ⅱ)进行求解;最后,通过具体算例验证了所建立模型的可行性与改进算法的优越性。     

超启发式遗传算法柔性作业车间绿色调度问题研究

针对启发式算法通用性较差的问题,建立了多目标柔性作业车间绿色调度模型,设计了一种超启发式遗传算法对问题进行求解.首先,建立了以最大完工时间和最小能耗为目标的柔性作业车间绿色调度模型,并设计了超启发式遗传算法对模型进行优化求解;然后,对于高层启发式策略采用遗传算法,随机生成初始种群,对种群进行了选择、交叉和变异操作,并且...     

考虑设备预维护的柔性作业车间调度节能优化方法

随着能源成本的飙升和环境日益恶化,实现节能生产的策略越来越受到制造企业的关注.在车间实际生产调度过程中,机床设备的故障与维护会影响车间调度方案的顺利执行,进而导致出现车间加工资源冲突、能耗增大和完工时间延长等问题.为减少实际柔性作业车间加工过程中出现由于机床故障而导致加工中断的情况,提出一种考虑设备预维护的柔性作业车间调度节能优化方法.分析考虑设备预维护的柔性作业车间能耗特性,建立考虑设备预维护的柔性作业车间调度节能优化模型,设计机床预维护策略,并在此基础上提出一种启发式框架下的调度算法对节能优化模型进行求解,通过不同方案的对比分析,验证所提方法的有效性.     

面向能耗的多工艺路线柔性作业车间分批优化调度模型

合理的调度方案能有效降低柔性作业车间总能耗。针对柔性作业车间中加工工件种类多、单批工件数量大、加工工艺路线柔性大等问题,研究一种面向能耗的多工艺路线柔性作业车间分批优化调度模型。分析柔性作业车间中工件加工过程能耗特性,以车间总能耗最低和完工时间最小为优化目标建立了多工艺路线柔性作业车间分批优化调度模型,并采用多目标模拟退火算法对模型进行优化求解。通过算法优化得到的调度方案与经验调度方案的对比分析,验证了该模型的有效性和实用性。     

基于机床加工匹配特性的混合流水车间绿色生产调度

针对混合流水车间绿色生产过程中的设备选择和调度目标匹配问题,提出基于机床加工特性的多目标调度模型和改进遗传算法。该算法建立了混合流水车间调度的时间、能耗与成本优化模型,采用模糊隶属方法描述了机床加工特性,在遗传算法求解过程中通过机床加工特性隶属度与调度目标的权重系数匹配关系,建立了自适应的交叉、变异和优势保留策略,在每一代迭代中提高在调度目标方向上的选择压力,加速收敛。通过实例分析对比了不同算法的优化结果,从而验证了模型及算法的有效性,并提出了高效、节能、经济和综合4种调度生产模式,为混合流水车间绿色生产提供了指导。     

机器多转速的柔性作业车间绿色调度问题

为了减少制造过程中的能耗,从生产运作的角度探讨了如何在制造业生产调度中实现绿色制造。以柔性作业车间调度问题为背景,考虑了机器多转速,在不影响生产进度的前提下通过调节机器转速来实现绿色制造。首先建立了考虑机器多转速的柔性作业车间调度优化模型,构建了能耗计算模型;然后依据带精英策略的非支配排序遗传算法的框架,提出了综合考虑完工时间和能源消耗的低碳调度算法,设计了多种变异方式,提出了精英保留与末位淘汰的选择方式;最后的数值实验结果表明,所提算法能够很好地求解此类问题。     

基于遗传算法的冲压车间节能调度优化研究

金属加工行业中,冲压成形能量消耗相对较大,因此,对冲压成形加工开展低碳节能的研究具有重要的实际意义。为解决冲压车间多目标节能调度问题,在深入分析低碳作业车间调度和某冲压车间生产现状的基础上,结合冲压生产过程中的能耗特性分布曲线,建立以最小化最大完工时间、加工总成本和加工总能耗为目标的冲压车间多目标节能调度优化模型,并设计了基于多层编码的遗传算法求解该模型。最后,结合某企业的冲压车间生产实际进行案例研究得出,冲压车间多目标节能调度优化模型在一定程度上可降低冲压车间加工总能耗,同时使得最大完工时间和成本较优,验证了模型和算法的可行性和有效性。     

考虑多时间因素的绿色可重入混合流水车间调度问题

针对同时考虑顺序相关调整时间和运输时间等多时间因素的绿色可重入混合流水车间调度问题(GRHFSP-MTF),以最小化最大完工时间和总能耗为目标建立双目标优化模型。针对GRHFSP-MTF的特点，提出一种混合文化基因算法(HMA)。首先，提出了基于工序、机器和转速的三层编码策略；然后，设计了基于贪婪机器选择和完全随机的种群初始化方法、交叉和变异算子以及5种邻域搜索算子；最后，在不改变机器分配和工件排列的前提下，基于降低机器转速手段设计了节能算子。大量仿真实验表明，HMA可以有效地求解考虑多时间因素的绿色可重入混合流水车间调度问题，并具有较强的优越性。     

考虑扰动事件的机械加工工艺参数与车间动态调度综合节能优化

随着能源消耗和环境问题的不断加剧,机械加工车间的高效节能生产越来越受到制造业的关注。传统动态调度优化时每道工序的工艺参数固定,未考虑工艺参数与车间调度之间的关联关系,限制了调度优化的潜力。为了更好地实现柔性作业车间节能增效,并快速有效地应对车间生产过程中出现的突发扰动事件,提出一种考虑扰动事件的加工工艺参数与车间动态调度综合优化方法。首先详细分析订单插入与机床故障下柔性作业车间的能耗特性,以总能耗与最大完工时间为目标,建立工艺参数与动态调度综合优化模型,然后设计一种面向扰动事件的动态决策机制,并提出改进的自适应形状估计进化算法(AGE-MOEA)进行优化求解,最后通过案例分析与算法对比,验证了所提出方法的有效性。     

基于产品制造过程内含能分级的冲压车间节能调度研究

冲压制造离散性强、工艺复杂、能量损耗较大,为实现冲压制造过程的节能和高效运行,在保证最大完工时间受影响较小的前提下降低能耗,以冲压车间为对象进行了节能调度研究。建立面向冲压车间的多目标节能调度模型,采用多目标优化算法进行求解,得到Pareto解集。提出基于产品制造过程内含能分级的方案评价与选择方法,计算出不同调度方案下各产品的制造过程内含能并进行分级处理,选择出产品制造过程内含能较小的调度方案作为最优执行方案,提高了节能调度的可行性。最后,应用某冲压车间生产实例验证了节能调度模型和基于产品制造过程内含能分级的方案评价与选择方法的可靠性,与原始调度方案相比,车间总能耗与最大完工时间均实现了降低。     

订单加急扰动下柔性生产车间动态完全重调度

为了提高订单加急扰动时柔性生产车间重调度的效率,提出了基于邻域拥挤度淘汰NSGA-II算法和优先加工通道的重调度方案。针对订单加急扰动下重调度问题,建立了减少车间能耗和完工时间的双重优化模型。构造了多目标优化问题的邻域,提出了基于邻域拥挤度淘汰NSGA-II算法的柔性车间静态调度方法。当订单加急扰动发生时,设计了基于优先加工通道的完全重调度方案。使用Kacem02标准算例对静态调度性能测试,文章算法的优化目标极值小于标准NSGA-II算法和混合NSGA-II算法,说明该算法的优化能力更强。订单加急扰动后,优先加工通道和滚动遗传算法均将加急订单完成时间由18 min提前到14 min,但是前者保持了整体完工时间不变,而后者整体加工时间由18 min增加到20 min,结果表明优先加工通道在柔性车间重调度中具有更好性能。     

基于规则的柔性作业车间机床与AGV联合调度优化

利用离散事件系统建模与仿真技术和规则调度方法,对柔性作业车间机床与AGV(automatic guided vehicle)联合调度问题进行研究。基于离散事件建模仿真方法建立了柔性作业车间仿真模型,以平均流动时间、完工时间、AGV平均利用率与完工数量为评价指标,首先将不同路由规则与调度规则组合结合AGV数量进行仿真测试,确定了最佳规则组合与AGV最佳数量。在确定最佳规则基础上,研究车间任务到达模式与AGV数量对系统性能的影响,不同工况下的仿真结果表明,在最优规则组合、任务到达模式与AGV数量下,柔性作业车间联合调度问题能得到有效解决且系统性能将达到最优。     

柔性作业车间能耗优化研究

为了实现机械加工车间的节能优化运行,建立了考虑运输时间的节能柔性作业车间调度模型。使用基于动素的机床能耗模型预测生产过程中的机床能耗,并利用遗传算法实现了模型的求解。柔性作业车间环境下,该模型能够从能耗出发,为各加工任务选择合适的加工机床,同时生成优化的生产调度方案。最后,案例研究验证了建立的模型的节能效果和有效性。     

基于改进离散蜉蝣算法的双资源柔性车间可持续调度方法

在目前对柔性车间调度问题所进行的研究中，大多忽略了工件运输时间这一因素，并且也很少对可持续发展的经济、环境和社会3个要素进行综合优化。针对这些问题，提出了一种考虑运输时间的双资源柔性车间调度问题(DRCFJSPT)模型。首先，以完工时间、生产成本、能耗和人体工程学风险为优化目标，构建了柔性车间调度数学模型，并结合多目标模型的特点，设计了一种改进离散蜉蝣算法(IDMA),并对模型进行了求解；然后，采用熵值法评价了帕累托解集，基于三层编码并考虑了运输时间的插入式解码方式，设计了混合初始化方法，离散改进了蜉蝣更新方式；最后，为了验证IDMA求解DRCFJSPT的性能，采用MATLAB,对某机床零件加工企业生产数据进行了实验，并将其结果与采用非支配排序遗传算法(NSGA)-Ⅱ得到的结果进行了对比分析。研究结果表明：改进算法的解集质量和收敛性能均显著优于参考算法，通过改进算法求得最优解的最大完工时间为35.94 h,加工成本为6 003.95元，能耗为2 054.54 kW·h,人体工程学风险值为138.16;该结果可为实际复杂的柔性车间调度环境提供清晰准确的调度方案。     

作业车间类型多机器人制造单元调度算法

针对带多台机器人的作业车间类型机器人制造单元调度问题的特点,研究了以最小化最大完工时间为优化目标、将邻域搜索策略与启发式规则相结合的混合遗传算法,建立了作业车间类型多机器人制造单元调度问题的数学优化模型和析取图模型。基于析取图关键路径,采取移动机床块、交换机器人块、调整任务分配来构建搜索邻域;用启发式搬运工序插入法和启发式搬运任务分配法相结合的三层调度方法初始化种群;将基于邻域结构的局部搜索算法和基于三层调度的遗传算法相结合,有效实现问题的求解。通过基准算例测试表明,混合遗传算法有效并优于其他算法。     

农机转向器制造车间的动态调度算法研究

针对目前农机转向器生产车间对突发事件调度不及时的问题,对车间调度相关问题进行了研究,提出了一种基于改进免疫克隆算法的车间调度模型。首先,结合农业转向器生产实际,以最大完工时间、设备能耗和设备负荷为调度目标构建了目标函数;然后,采用多策略种群初始化和自适应变异算子,对免疫克隆算法进行了改进;最后,在分析车间调度加工时间数据和车间调度加工能耗数据的基础上,以调度模型的适应度和甘特图为指标,对所建模型调度效果进行了验证。研究结果表明:相比传统免疫克隆算法,改进免疫克隆算法寻优速度更快、寻优精度更高,可以实现对农机转向器制造车间的快速动态调度。